人工智能：语言智能处理电子书

内容简介

人工智能出版工程丛书编委会

前　言

第1章　绪论

1.1　语言智能处理简介

1.2　人工智能与语言智能处理

1.3　基于神经网络的自然语言处理

1.4　语言智能处理的应用

1.5　本书的组织结构

第2章　语言模型与知识表示

2.1　语言模型

2.1.1　概述

2.1.2　n-gram语言模型

2.1.3　估计

2.1.4　评价指标

2.1.5　数据稀疏与齐夫定律

2.1.6　计数平滑方法

2.1.7　神经网络语言模型

2.1.8　小结

2.2　词向量构造方法

2.2.1　词向量（Word Embedding）构造方法概述

2.2.2　基于全局统计信息的Word Embedding构造方法

2.2.3　基于预测任务的Word Embedding构造方法

2.2.4　利用外部信息的Word Embedding构造方法

2.2.5　方法评价

2.2.6　Word Embedding的应用

2.2.7　研究展望

2.3　知识图谱表示学习

2.3.1　表示学习的基本概念

2.3.2　表示学习的典型应用

2.3.3　表示学习的主要优点

2.3.4　表示学习的典型方法

参考文献

第3章　语言分析技术

3.1　词法分析

3.1.1　概述

3.1.2　自动分词

3.1.3　词性标注

3.1.4　分词和词性标注的联合模型

3.2　句法分析

3.2.1　概述

3.2.2　句法结构分析

3.2.3　依存关系分析

3.3　篇章分析

3.3.1　概述

3.3.2　篇章分析相关理论及标注语料库

3.3.3　篇章分析方法

3.4　语义分析

3.4.1　概述

3.4.2　词汇级语义分析

3.4.3　句子级语义分析

3.4.4　篇章级语义分析

3.4.5　基于神经网络模型的语义分析

3.4.6　语义分析评测任务

3.4.7　未来发展趋势

参考文献

第4章　语言情感分类

4.1　情感描述的主要方法

4.1.1　情感的类别表示法

4.1.2　情感的维度表示法

4.2　情感识别模型

4.2.1　文本情感计算

4.2.2　语音情感计算

4.3　当前语言情感识别的挑战

4.3.1　领域依赖

4.3.2　语料库的建设

4.3.3　多模态融合

4.3.4　细粒度情感计算

参考文献

第5章　自然语言生成技术

5.1　概述

5.2　序列到序列模型

5.2.1　基本原理和算法框架

5.2.2　模型实现与注意力机制

5.2.3　小结

5.3　变分自编码器

5.3.1　基本原理

5.3.2　应用场景

5.3.3　高级话题

5.4　生成式对抗网络

5.4.1　基本原理和算法框架

5.4.2　生成式对抗网络的特点

5.4.3　相关模型

5.4.4　小结

5.5　基于预训练语言模型的生成方法

5.5.1　预训练语言模型

5.5.2　拓展话题

5.5.3　小结

5.6　本章小结

参考文献

第6章　自动问答与人机对话

6.1　知识库问答

6.1.1　基于语义解析的知识库问答

6.1.2　基于神经网络的端到端知识库问答

6.2　机器阅读理解

6.2.1　任务介绍

6.2.2　机器阅读理解系统框架

6.2.3　机器阅读理解系统的核心组件

6.2.4　代表性机器阅读理解模型

6.2.5　总结与展望

6.3　人机对话系统

6.3.1　面向任务型的对话系统

6.3.2　面向非任务型的聊天系统

6.4　总结与未来的挑战

参考文献

第7章　机器翻译

7.1　概况

7.1.1　任务的定义与研究的意义

7.1.2　发展的历史

7.2　神经机器翻译

7.2.1　核心模型

7.2.2　关键技术

7.3　数据与评测

7.3.1　数据集

7.3.2　技术评测

7.4　开源工具

7.4.1　统计机器翻译开源工具

7.4.2　神经机器翻译开源工具

7.5　总结与展望

参考文献

第8章　信息检索与信息推荐

8.1　概述

8.1.1　信息检索的概念与发展

8.1.2　信息推荐的概念与发展

8.1.3　信息检索和信息推荐的联系和区别

8.2　信息检索与信息推荐的相关技术

8.2.1　信息检索部分前沿技术

8.2.2　信息推荐部分前沿技术

8.2.3　信息检索与信息推荐领域的相关资源

8.3　相关技术的产业应用

8.3.1　典型的应用产品

8.3.2　信息检索技术的应用情况

8.3.3　信息推荐技术的应用情况

8.4　发展趋势

参考文献

反侵权盗版声明